Google 于中国北京时间2月16日凌晨2点在加利福尼亚州山景城举行了首届 TensorFlow Dev 峰会，在会上，Google 宣布正式发布 TensorFlow 1.0 版本，保证了 Google 的机器学习库的API稳定性。

主要亮点如下：

● 更快：TensorFlow 1.0 现在简直快到难以置信！ XLA为未来更多的性能改进奠定了基础，而现在 tensorflow.org 调整了模型以实现最大速度。很快我们将发布几个流行模型，以展示如何充分利用TensorFlow 1.0 - 包括针对Inception v3的8位 GPU的7.3x加速和针对64位 GPU的分布式Inception v3的58x加速！

● 更灵活：TensorFlow 1.0引入了一个高级API，包含tf.layers，tf.metrics和tf.losses模块。同时还宣布增加了一个新的tf.keras模块，它与另一个流行的高级神经网络库Keras完全兼容。

● 更便于开发：TensorFlow 1.0 保证了 Python API稳定性（查看细节），可以不破坏现有的代码便能获取新功能

TensorFlow 1.0 的其他亮点：

● 现在的 Python API 更类似于NumPy。此类和其他向后兼容的更改主要用来支持API稳定性，未来，我们将提供方便的迁移指南和转换脚本。

● Java和Go的Experimental API

● 更高级别的API模块tf.layers，tf.metrics和tf.losses - 在合并skflow和TF Slim之后从tf.contrib.learn中提取

● 发布面向CPU和GPU的TensorFlow图表的领域特定编译器 XLA的实验版。 XLA正在迅速发展，预计在未来的发布会中将看到更多的进展。

● 介绍一个用于调试实时TensorFlow程序的命令行界面和API  -  TensorFlow Debugger（tfdbg）。

● 用于对象检测和本地化的新Android演示以及基于摄像头的图片样式化。

安装改进：添加了Python 3 docker镜像，TensorFlow的pip包现在是PyPI兼容。这意味着TensorFlow现在可以安装与pip安装张量流的简单调用。

TensorFlow 是谷歌在2015年发布的第二代开源机器学习系统，目前已被广泛应用。随着完善和成熟，也增加了许多功能，包括分布式训练，支持 Hadoop 分布式文件系统（HDFS）和良好的 Parsey McParseFace 语言解析器等等。

下图为 TensorFlow 开源以来的一些进展：

在会上，Google 详细介绍了 TensorFlow 在开源社区的蓬勃发展。从下图也能看到，对比与其他机器学习和深度学习工具，TensorFlow 已遥遥领先。

在性能方面，XLA 为 TensorFlow 未来更多的可能性方面奠定了坚固的基础。XLA（加速线性代数）是用于线性代数的领域专用编译器，用于优化 TensorFlow 计算。改进其在服务器和移动平台上的速度，内存使用情况和可移植性。 

此外，Google 强调，TensorBoard 是非常伟大的学习工具，可以用它来学习如何可视化 TensorFlow 图形、监控训练性能，以及探索模型如何表示数据等等。

TensorBoard 集成了 Keras，Keras 的目标是让每个人都能访问深度学习，它是增长最快的机器学习框架之一。TensorFlow 还提供了扩展到数百个 GPU 的灵活性，训练具有大量参数的模型，并自定义训练过程的每一个细节。

发布会视频：https://youtu.be/LqLyrl-agOw （请自行搬梯子）